INSTITUTO TECNOLOGICO

SUPERIOR DE MISANTLA
MAESTRA: CARLOS REYES MATA
ALUMNA LEDI ASANETH HERNANDEZ HERRERA
CARRERA: ING. BIOQUIMICA
GRUPO: 405 A
INDICE
Introducción…………………………………………………………………pg.2
5.1 Función de pérdida e Ingeniería de la Calidad de acuerdo a
Taguchi………………………………………………………………………..pg.3
5.2 Capacidad del Proceso…………………………………………..pg.4
5.2.1 Cp, Cpk , Cpm, Cpkm ………………………………………….pg.4
5.3 Tipos de muestreo y defectos……………………………….pg.6
5.4 Muestreo de aceptación por variables, con desviación
estándar conocida y desconocida…………………………..……pg.8
5.5 Uso de tablas de muestreo MilStd- 105 d., Dodge-Romig y
MilStd-414………………………………………………………………….pg.11
5.6 Gráficas de control …………………………………………….…pg.14
Conclusión …………………………………………………………………pg.19
Bibliografía………………………………………………………..……….pg.19

1
INTRODUCCION
Resulta obvio que el concepto de Calidad es un concepto amplio, el cual posee
numerosas interpretaciones. Sin embargo, en base a la literatura existente, es
posible distinguir cuatro grandes grupos conceptuales Calidad como
Uniformidad La calidad como uniformidad es una idea que surge en el ámbito
del taller y de la fábrica de manufactura, en total sintonía con los paradigmas
imperantes a fines del siglo XIX y principios del XX: el taylorismo y el fordismo.
Este concepto se encontraba asociado a la producción en serie masiva y a su
necesidad de una alta estandarización de piezas, perfectamente iguales e
intercambiables. Sin embargo, y debido a los altos volúmenes de producción
alcanzados, se hacía imposible el control del 100% de las piezas fabricadas,
debiéndose recurrir a otros mecanismos más económicos y lo suficientemente
confiables de control. En este contexto nace el Control Estadístico de
Productos, primero, y posteriormente de Procesos (CEP). Ahora bien, en este
marco de conformidad con las especificaciones, casi siempre dimensionales,
resulta acertado pensar en la casi nula participación del cliente en la
determinación de dichas especificaciones, más aún, en los casos de productos
de consumo masivo, en dónde el cliente no suele conocerlas Calidad como
Satisfacción de las Expectativas del Cliente La gestión de la calidad ha ido
evolucionando desde una perspectiva muy centrada en el propio proceso de
producción hacia otra perspectiva en la que interviene más el cliente y el
mercado. De esta manera fue ganando peso la opinión del cliente. Por lo tanto,
un producto o servicio será de calidad cuando satisfaga o exceda las
expectativas del cliente. En este concepto se enmarca la norma ISO 9000,
centrada en asegurar la eficacia de una organización para satisfacer los
requisitos de sus clientes. Sin embargo, esta definición está cargada de una
variable altamente subjetiva y difícil de medir: la satisfacción del cliente. Esta
satisfacción está asociada a las expectativas del cliente sobre el producto o
servicio, debiéndose recurrir a mecanismos que permitan la determinación de
estas expectativas y el grado de cumplimiento de las misma por el producto o
servicio en cuestión, a los fines de determinar la percepción de calidad del
cliente respecto del ente en cuestión.

2
5.1 Función de pérdida e Ingeniería de la Calidad de acuerdo a
Taguchi

La función de perdida nos ofrece una forma de calcular la «pérdida de calidad»

que sufre un aspecto analizado con respecto al objetivo de calidad que le
hayamos fijado al mismo. Esto significa, que para una característica fijada en
nuestro producto o proceso, la función de pérdida nos dirá cuándo nos
estamos alejando de nuestro objetivo.
La función de perdida es la siguiente:

L = K * (Y – M)^2

Donde…
• L es el resultado de la función, medido generalmente en unidades
monetarias.
• Y es el valor ideal de la característica analizada (nuestro objetivo a
alcanzar para ese parámetro).
• M es la media de valores obtenidos de la característica analizada en la
situación real.
• K es una constante que se encarga de convertir (Y – M)^2 a unidades
monetarias.

Por lo tanto, si para una carácterística analizada, el valor L es de cero,

significará que la calidad obtenida es la calidad deseada (nuestro objetivo). Si
L es mayor que cero, entonces significa que nos estamos alejando del objetivo.
Función taguchi
Por ejemplo, si la característica analizada (tiempo de producción, tiempo de
entrega, coste…) queremos que sea Y=30 unids., pero en la práctica estamos
midiendo que de media es M=35 unids., y esta desviación (al cuadrado) supone

3
un coste de K=5€/unid.^2, entonces L=5*(35-30)^2, o sea L=125€. Conviene
tener en cuenta que al haber una resta al cuadrado el valor de L siempre será
mayor o igual a cero, que Y-M crecerá cuadráticamente y que K debe ser
expresado en las unidades coherentes.
Usar la función de pérdida para el control de la calidad
taguchiEn el diseño y fabricación de un producto todos los parámetros de este
y de su proceso de fabricación deben estar controlados.Una desviación en
estos parámetros supone una pérdida en la calidad, por ello debemos
manejarnos en unos rangos donde el producto sea válido, es decir, poder
fluctuar en rangos de acción donde dentro de los mismos el producto cumpla
las características que se especifican. Para ello, puede ser importante definir
cuáles son los parámetros clave donde se pueden dar con mayor facilidad las
perdidas de calidad, y tener más controlados estos parámetros clave.

Una vez identificados dichos parámetros, procedemos a determinar su

situación, es decir, analizar si L = K * (Y – M)2 es cero o si es un valor alto, para
posteriormente ver qué causa dicha pérdida de calidad buscando el problema
raíz. El siguiente paso es hacer una interpretación de los resultados obtenidos,
de este modo podemos hacer una valoración global de las perdidas de calidad
a nivel económico e implantar soluciones para minimizar estas perdidas a
medida de lo posible.

5.2 Capacidad del Proceso.

5.2.1 Cp, Cpk , Cpm, Cpkm
Hay tres fases principales en la manufactura de cualquier producto: diseño,
producción e inspección. Las especificaciones generalmente son establecidas
en la fase de diseño, y durante la producción se intenta cumplir esas
especificaciones. Finalmente, durante la inspección se determina el grado con
el cual las unidades producidas cumplen las especificaciones.
La tolerancia se refiere a las medidas físicas de un producto, mientras que las
especificaciones se refieren a todas las características del producto o proceso,

4
incluyendo las medidas físicas, es decir, las tolerancias están incluidas dentro
de las especificaciones.
CP “Capacidad del Proceso” (Process Capability)
La “capacidad” a la que nos referimos es la que tiene el proceso para producir
piezas de acuerdo con las especificaciones, es decir, dentro de los límites de
tolerancia establecidos.
Para evaluar la capacidad de un proceso es necesario contar con suficientes
muestras, por lo que el cálculo del Cp se encuadra dentro de un estudio
estadístico.

La capacidad potencial del proceso se define como

Cp = (LSE - LSI)/6σ

Es decir, la capacidad del proceso nos indica cuantas veces cabe la variación
natural del proceso en el intervalo de especificación

Cpk
5
Con el Cpk conseguimos evaluar no sólo si la capacidad es acorde con las
tolerancias sino si la media “natural” del proceso se encuentra o no centrada.

Cpm
Consideremos ahora que nuestra media objetivo no es la media de las
especificaciones, es decir, no es (LST-LIT)/2. En tal caso necesitamos un nuevo
indicador que nos de la capacidad del proceso con respecto al objetivo

5.3 Tipos de muestreo y defectos.

Se comparan los datos obtenidos del proceso con las especificaciones dadas:
• Límite Inferior de Especificaciones (LIE)
• Límite Superior de Especificaciones (LSE)
Si los límites superior e inferior del proceso se encuentran dentro del rango
establecido por los límites de las especificaciones, significa que el proceso
analizado satisface completamente al cliente.
Si uno o ambos límites del proceso se encuentran fuera del rango establecido
por las especificaciones, límite superior e inferior, significa que la diferencia
entre los límites inferiores y/o superiores (del proceso y las especificaciones)
representan los productos defectuosos que se obtienen con nuestro proceso.
Cuando se presenta este caso se duden tomar diferentes medidas, como
pueden ser:
1. Cambiar el proceso por uno que sea capaz de satisfacer completamente las
especificaciones.

6
 2. Buscar mercados alternos en los que se puedan vender los productos
defectuosos a menor precio.
3. Reprocesar los productos defectuosos.

5.3.1 MUESTREO SIMPLE

Es un procedimiento en el que se toma una muestra aleatoria de n unidades
del lote para su estudio y se determina el destino de todo el lote con base en
la información contenida en la muestra.
Consiste en extraer una muestra aleatoria de n unidades de una corrida o lote
original e inspeccionarla sobre las bases de aceptación o rechazo para
encontrar c o menos unidades defectuosas. La curva característica de
operación demuestra la bondad con que funciona el programa de muestreo.
En este curva se representan las probabilidades de aceptación, Pa, contra la
proporción de unidades p, supuesta para los lotes de entrada. Dichas
proporciones y los riesgos de aceptación o rechazo que implican se deducen
de la naturaleza de la curva CO y con ello se determina el programa de
muestreo simple que cubre las especificaciones deseadas.
5.3.2 MUESTREO DOBLE
Tiene dos fases. En la primera fase se selecciona una muestra inicial y se toma
una decisión basada en la información de esta muestra. Esta decisión puede
llevar a tres alternativas: aceptar el lote, rechazar el lote o tomar una segunda
muestra. Si se toma esta ultima estamos ante la segunda fase, y se combina la
información de ambas muestras para decidir sobre la aceptación o el rechazo
del lote.
5.3.3 MUESTREO MULTIPLE
Es una extensión del concepto de muestreo doble a varias fases en el que
pueden necesitarse más de dos muestras para llegar a una decisión acerca de
la suerte del lote. Los tamaños maestrales suelen ser menores que en un
muestreo simple o doble.

7
5.4 Muestreo de aceptación por variables, con desviación estándar
conocida y desconocida

Muestreo de aceptación por variable

En el muestreo de aceptación por variable, inspeccionamos los productos de
acuerdo con una medida cuantitativa de la calidad (por ejemplo: peso,
longitud, resistencia a la presión, etc.). En el caso de las características que se
miden en una escala continua, debemos tener en cuenta que nunca se pueden
lograr estándares exactos, porque siempre hay una pequeña variabilidad entre
los productos. Por ejemplo, si un saco de arroz especifica un peso de 50 kg., lo
normal es que recibamos sacos con pesos cercanos a los 50 kg., pero nunca
con precisión matemática la especificación indicada. En general, el control de
la calidad por variables requiere de la especificación de un valor promedio de
la variable o característica, y de una medida del grado de variabilidad de la
variable; al respecto, la medida de variabilidad adoptada universalmente es la
desviación estándar. Si la calidad de un producto especifica que la variable de
calidad tiene una media μ y una desviación estándar S, esto significa que
aproximadamente en el 68% de los productos la variable de calidad tiene un
valor que está entre fi—S y μ + S. Un plan de muestreo de aceptación por
variable debe especificar el tamaño de la muestra, al cual llamamos n, y el
rango de aceptación para el promedio de la muestra.
La determinación de n y del rango de aceptación en un plan de muestreo por
variable se hace de acuerdo con el riesgo que estamos dispuestos a correr de
cometer los errores tipo I y tipo II.
Supongamos que Supongamos que de acuerdo con nuestro costo de
inspección, hemos determinado que n = 10 es un tamaño de muestra
apropiado. Con el fin de determinar el rango de aceptación para el promedio
de la muestra, debemos fijar la probabilidad de cometer el error tipo I
(rechazar un lote que cumple las especificaciones). En este caso, fijaremos la
probabilidad de error tipo I en 0.05. Para determinar el rango de aceptación
debemos tener en cuenta que la variable

8
 Z = (x – μ) / [S / √ n]

Tiene una distribución de probabilidades conocida con el nombre de

distribución normal estándar. Las probabilidades de la distribución normal
estándar están tabuladas en los textos de estadística. En particular, en estas
tablas se puede ver que la probabilidad de que Z tome un valor menor de 1.645
es igual a la probabilidad de error tipo I de 0.05 que hemos fijado. Luego, si el
lote cumple con las especificaciones de calidad, es decir n = 50 y S = 1, la
probabilidad de que la media de la muestra μ sea menor de: μ - 1.645 (S √n) =
50 - 1.645 (1 / √10) = 49.48 es de 0.05. Es decir; si nuestro criterio de rechazo
es que la media de los pesos de la muestra de 10 sacos es menor de 49.48 kg.,
tendremos una probabilidad de 0.05 de cometer el error tipo I, como lo
queríamos. De esta forma, hemos determinado nuestro rango de aceptación,
aceptamos el lote de 100 sacos si en una muestra de 10 sacos encontramos un
peso promedio de 49.48 kg. o más. Si queremos determinar un tamaño de
muestra adecuado, debemos tener en cuenta las probabilidades de cometer
el error tipo II.
Al igual que en el muestreo por atributo, al aumentar el tamaño de la muestra,
se disminuye la probabilidad de cometer el error tipo II, una vez que se ha
fijado el riesgo de cometer el error tipo I.
Resumiremos los pasos necesarios para la determinación de un plan de
muestreo de aceptación por variable:
1. Determinar la media y. y la desviación estándar S que esperamos en un lote
aceptable.
2. Fijar la probabilidad de cometer el error tipo I deseada (menor de 0.10) y un
tamaño de muestra n que consideremos adecuado desde el punto de vista del
costo.
3. Con base en los valores de n, μ, S y la probabilidad de cometer el error tipo
I, se determina el rango de aceptación haciendo uso de las tablas de la
distribución normal estándar.

9
4. En función de una media de la característica que no es deseable, y de una
probabilidad de cometer el error tipo II con esa media, determinar si el tamaño
de muestran satisface nuestras expectativas de costo y precisión. Si las
satisface, podemos aceptar el plan de muestreo; de otra forma, debemos
incrementar el tamaño de muestra n y volver al paso 3.
Debemos indicar que para el caso de muestreo de aceptación por variable se
puede determinar directamente el tamaño de muestra apropiado en función
de las probabilidades de cometer los errores tipo I y II; sin embargo, no hemos
mencionado el procedimiento para simplificar la exposición, para una
explicación más detallada, te recomendamos Consultar un texto de
estadística.
CON DESVIACIÓN ESTÁNDAR

Si la desviación típica es conocida, los límites se calculan

LCS = d 2 + 3d3
LC = d 2
LCI = d 2 − 3d3

O bien:

LCS = D2
LC = d 2
LCI = D1

Donde

D2 = d 2 + 3d3
y
D1 = d 2 − 3d3

10
CON DESVIACIÓN ESTÁNDAR DESCONOCIDA

Si la desviación típica es desconocida

La media se estima con la media de los recorridos Rmuestrales
R
La desviación típica de la población con:  =
d2
Y la desviación típica del recorrido:
 R = d3 
R
d2

R
los límites se calculan: LCS = R + 3d 3  d = D4 R
2

LC = R
R
LCI = R − 3d 3  = D3 R
d2
5.5 Uso de tablas de muestreo MilStd- 105 d., Dodge-Romig y
MilStd-414.
USO DE LA TABLA MIL STD 105 D
El MIL-STD 105 E es un sistema organizado de métodos de muestreo a aplicar
una serie de conjuntos de algún proceso de producción, con dos excepciones,
si un proceso estándar se una sin precaución alguna para cambiar a una
inspección más severa de acuerdo a las circunstancias, no puede decirse que
se está empleando el MIL- STD 105 E, el propósito principal del manual
estándar es presionar al proveedor para que produzca materiales que , en
calidad, sean los menos tan buenos como el AQL, escogido, y este propósito
no se logra en ausencia de una provisión para inspección abreviada es esencial
para la operación estándar, las dos excepciones al as que nos referimos, son la
selección de un procedimiento de tolerancias.
USO DE LA TABLA DODGE ROMIG
En la década de los veinte, H. F. Dodge y H. G. Roming diseñaron un juego de
tablas de inspección para la aceptación de producto lote por lote mediante el
muestreo de atributos. Estas tablas se basan en dos de los conceptos
expuestos en el capítulo 8, nivel de calidad límite (NCL)1 y límite de la calidad

11
media de salida (LCMS). Por cada uno de estos conceptos hay tablas, tanto
para muestreo sencillo como doble. No hay tablas para el muestreo múltiple.
En el texto presente sólo se ha incluido el muestreo sencillo.
La ventaja principal de las tablas de Dodge-Roming es la reducida inspección
necesaria para un procedimiento de inspección determinado. Esta ventaja
hace especialmente atractivas las tablas en la inspección que se hace en el
mismo sitio donde se obtienen los productos.
1. Nivel de calidad límite (NCL). Estas tablas se basan en la probabilidad de que
un lote en particular, cuyo porcentaje de no conformidad sea igual al NCL,
resulte aceptado. Esta probabilidad es el riesgo del consumidor, β, y es igual a
0.10. Los planes NCL garantizan que los lotes individuales de mala calidad rara
vez resulten aceptados.
Hay dos juegos de tablas NCL: uno para el muestreo sencillo y otro para el
muestreo doble. Cada juego tiene tablas para valores de NCL de 0.5, 1.0, 2.0,
3.0, 4.0, 5.0, 7.0 Y 10.0%, con un total de 16 tablas. Para propósitos de
explicación, se muestra la tabla 9-6 para muestreo sencillo, empleando NCL =
1.0%. No se publican las tablas de los demás valores de NCL.
Para usar las tablas, antes hay que tomar una decisión acerca de si se va a
utilizar el muestreo sencillo o el muestreo doble. Para tomarla se puede
recurrir a la información que se presentó en el capítulo 8. Además, el NCL tiene
que calcularse, lo que se puede hacer de manera semejante al caso de NCA,
como también se explicó en el mismo

Capítulo 8. El tipo de muestro (sencillo o doble) y el NCL determinarán qué

tabla hay que utilizar.
Una vez que se sabe cuál es el tamaño del lote y el promedio del proceso,
es fácil obtener el plan de muestreo de aceptación.

12
Por ejemplo, si el tamaño del lote, N, es 1500 y el promedio del proceso es
0.25%, el plan de muestreo sencillo necesario para NCL = 1.0% se encuentra
en la tabla 9-6. La respuesta es:
N = 1500
n = 490
c=2

13
El NCL que corresponde a este plan es 10.2%
De un análisis de las tablas LCMS se desprende lo siguiente:
a. Conforme aumenta el tamaño del lote disminuye el tamaño de la muestra.
b. No se ofrecen planes para promedios de procesos que rebasan el LCMS,
dado que el muestreo no es económico cuando la calidad de entrada promedio
es menor que el LCMS especificado.
c. Cuanto más bajo es el promedio del proceso, menor el tamaño de la
muestra, lo que se traduce en menos costo por inspección.
3. Comentarios adicionales sobre las tablas de Dodge-Roming. El promedio del
proceso l00p- se obtiene mediante las mismas técnicas utilizadas para la gráfica
p. Con base en los primeros 25 lotes se obtiene el porcentaje promedio de no
conformidad. En el caso del muestreo doble, solo la primera muestra figura en
el cálculo. Se descarta todo lote cuyo porcentaje de no conformidad rebase el
límite de 3√ (100p -(1 - 100p_)/n), (si su causa es atribuible) y se procede a
calcular un nuevo promedio del proceso. Sin embargo, hasta que no se logre
obtener un promedio de proceso mediante la técnica anterior, deberá
utilizarse el promedio de proceso más grande posible. Es decir, se utilizará la
última columna de las tablas hasta que se logre determinar lOOp-.
En las tablas de Dodge-Romig no se menciona nada sobre el tipo de no
conformidad, si bien se pueden emplear diversos valores de NCL o LCMS; los
más bajos para no conformidades graves y los más altos para las no
conformidades secundarias. No se menciona nada sobre la inspección rigurosa
o reducida, si bien también se pueden utilizar diversos valores de NCL o LCMS.
Para el promedio del proceso se utilizan la cantidad de no conformidades por
100 unidades, en vez del porcentaje de no conformidad. Por ejemplo, 1m
promedio de proceso de 2.00% de no conformidad es lo mismo que dos no
conformidades por cada 100 unidades.1

5.6 Gráficas de control

Es una herramienta estadística que detecta la variabilidad, consistencia,
control y mejora de un proceso.

14
La gráfica de control se usa como una forma de observar, detectar y prevenir
el comportamiento del proceso a través de sus pasos vitales.
Así mismo nos muestra datos en un forma estática, tienen por supuesto sus
aplicaciones, y es necesario saber sobre los cambios en los procesos de
producción, la naturaleza de estos cambios en determinado período de tiempo
y en forma dinámica, es por esto que las gráficas de control son ampliamente
probadas en la práctica.
Características Generales de las Gráficas de Control
El termino consistencia se refiere a la uniformidad en la salida del proceso; es
preferible tener un producto de un proceso consistente, que tener uno con
calidad superior, pero de un proceso intermitente.
Una gráfica de control se inicia con las mediciones considerando, sin embargo
que las mediciones dependen tanto de los instrumentos, como de las personas
que miden y de las circunstancias del medio ambiente , es conveniente anotar
en las gráficas de control observaciones tales como cambio de turno,
temperatura ambiente.
Inspección
La inspección en calidad consiste en examinar, medir, contrastar o ensayar las
características de calidad de un producto o servicio para determinar su
conformidad con los requisitos especificados. También podemos entenderla la
actividad de detectar características no conformes, para lo cual previamente
debemos hacer un Análisis de Fallas.
La inspección puede estar apoyada en los sentidos, en instrumentos de
medición, en patrones de comparación o en equipos de pruebas y ensayos. La
metrología (ciencia de las mediciones) es también otro soporte importante
para la inspección.
La actividad de inspección debe corresponder a una planificación de pruebas,
la cual a su vez implica tomar decisiones sobre los tipos de inspección
aplicables a cada situación.
Tipos de Gráfica y Características Principales

15
Para construir una gráfica de control, es importante distinguir el tipo de datos
a graficar pueden ser. Datos continuos, datos discretos, dicha gráfica
dependerá del tipo de datos.
Para la utilización de las gráficas se requiere un procedimiento específico:
Decidir la gráfica de control a emplear
Construir gráficas de control para el control estadístico del proceso
Controlar el proceso, si aparece una anormalidad sobre la gráfica de control,
investigar inmediatamente las causas y tomar acciones apropiadas.
Los gráficos de control ayudan en la detección de modelos no naturales de
variación en los datos que resultan de procesos repetitivos y dan criterios para
detectar una falta de control estadístico. Un proceso se encuentra bajo control
estadístico cuando la variabilidad se debe sólo a "causas comunes".
Los gráficos de control de Shewart son básicamente de dos tipos; gráficos de
control por variables y gráficos de control por atributos. Para cada uno de los
gráficos de control, existen dos situaciones diferentes; a) cuando no existen
valores especificados y b) cuando existen valores especificados.
Se denominan "por variables" cuando las medidas pueden adoptar un
intervalo continuo de valores; por ejemplo, la longitud, el peso, la
concentración, etc. Se denomina "por atributos" cuando las medidas
adoptadas no son continuas; ejemplo, tres tornillos defectuosos cada cien, 3
paradas en un mes en la fábrica, seis personas cada 300, etc.

Antes de utilizar las Gráficas de Control por variables, debe tenerse en

consideración lo siguiente:
a.- El proceso debe ser estable
b.- Los datos del proceso deben obedecer a una distribución normal
c.- El número de datos a considerar debe ser de aproximadamente 20 a 25
subgrupos con un tamaño de muestras de 4 a 5, para que las muestras
consideradas sean representativas de la población.

16
d.- Los datos deben ser clasificados teniendo en cuenta que, la dispersión debe
ser mínima dentro de cada subgrupo y máxima entre subgrupos
e.- Se deben disponer de tablas estadísticas

5.6.1 Por atributos

Las características de calidad que no pueden ser medidas con una escala
numérica, se juzgan a través de un criterio más o menos subjetivo.
Los datos se presentan con periodicidad a la gerencia y con ellos se integran
números índices, que son muy importantes en el desarrollo de una empresa,
estos pueden referirse al producto, desperdicio rechazo de materiales.
Dentro de la clasificación de las características calidad por atributos se
requiere:
• De un criterio
• De una prueba
• De una decisión
El criterio se establece de acuerdo con las especificaciones.
La prueba consiste en la operación que se realiza para averiguar la
existencia o no del criterio establecido.
La decisión determina qué título debe darse a los productos, es decir si
pasó o no pasa.

5.6.2 Por variables

Para elaborar un gráfico de control por variables pueden utilizarse:
• Observaciones individuales
• Observaciones muestrales

17
En el de observaciones muestrales, se toma una serie de muestras, y se
representan sus medias, recorridos, desviaciones,... Tiene una ventaja: El nº
de datos es menor, con una variabilidad menos acusada y más fácil de
interpretar.
Se suelen representar dos parámetros estadísticos, para representar tanto la
tendencia central como la dispersión, los pares más comunes son media y
desviación, media y recorrido.
Comenzaremos viendo como se construye el gráfico , (Media y Recorrido)
por ser éste uno de los más utilizados.

Interpretación de graficas

Las gráficas describen la relación entre dos variables.

La variable que se representa en el eje horizontal se llama variable x o variable
independiente. La que se representa en el eje vertical, variable y o variable
dependiente.
La variable y es función de la variable x.

18
Para interpretar una gráfica, hemos de mirarla de izquierda a derecha,
observando cómo varía la variable dependiente, y, al aumentar la variable
independiente, x.

Conclusión
La Ingeniería de la Calidad es una metodología que consiste en la aplicación de
técnicas cuantitativas para optimizar productos y procesos de manufactura.
Este conjunto de técnicas agrega calidad a lo largo del proceso de producción,
incluyendo el diseño, fabricación y control de productos y procesos.

La Ingeniería de la Calidad fue desarrollada por Genichi Taguchi, que tiene

como objetivo combinar métodos de ingeniería y estadística con la finalidad
de mejorar el rendimiento de costo y calidad.

De acuerdo al proceso de aplicación se puede distinguir:

-Ingeniería de calidad en línea: Control y corrección de procesos,

mantenimiento preventivo. Se emplean técnicas auxiliares como las gráficas
de control.
-Ingeniería de calidad fuera de línea: Optimización de diseño de productos y
procesos, mediante el diseño de experimentos.

Bibliografía
• 2.3. CAPACIDAD DE PROCESO, Cp, Cpk y Cpm. (s. f.). CONTROL
ESTADISTICO DE LA CALIDAD. Recuperado 2 de junio de 2022, de
https://nava-nava-controlestadistico.weebly.com/23-capacidad-de-
proceso-cp-cpk-y-cpm.html

• Función de perdida (Taguchi) – Cómo evaluar la pérdida de calidad en

un producto : PDCA Home. (s. f.). . Recuperado 2 de junio de 2022, de
https://www.pdcahome.com/funcion-de-perdida-
taguchi/#:%7E:text=La%20funci%C3%B3n%20de%20perdida%20nos,le
%20hayamos%20fijado%20al%20mismo.

19
• Introducción a la Ingeniería de la Calidad - PDF Free Download. (s. f.). .
Recuperado 2 de junio de 2022, de https://docplayer.es/79924278-
Introduccion-a-la-ingenieria-de-la-calidad.html

• UNIDAD 5. (2009, 18 noviembre). Jhoanna24’s Blog. Recuperado 2 de

junio de 2022, de
https://jhoanna24.wordpress.com/2009/11/18/unidad-5/

20